Os Processos de Análise e Distribuição: os Resultados

A última fase do modelo, apresentada na FIG. 4, é aquela destinada à análise e distribuição, que conta com uma série de ferramentas que vão servir para filtrar e apresentar toda a informação disponibilizada e tratada, de forma a prover as mais diversas pesquisas, que serão, por sua vez, utilizadas pela gerência da organização.

Para a tomada de decisões empresariais, é necessário prever resultados de procedimentos alternativos diversos, e o mais simples desses métodos inclui análise de somente duas variáveis, como, por exemplo, vendas sobre tempo ou preço sobre

o tempo. Porém, em muitos dos casos, a previsão pode ser mais complexa, incluindo mais de duas variáveis na análise, o que engloba também o uso de métodos estatísticos com uma complexidade maior. Para isso existem metodologias que vão colaborar no auxílio à tomada de decisão empresarial, como o Data Mining, que é parte componente do desenho 4 (TURBAN et al., 2009).

Ferramentas como o Data Mining (Mineração de Dados) podem analisar, a partir de uma massa de dados, pontos em comum à procura de padrões existentes. Essa é uma técnica recente e faz uso de várias outras ciências no seu escopo, como, por exemplo, estatística, inteligência artificial, recuperação de informação e reconhecimento de padrões. Através da mineração de dados, é possível sugerir tendências e agregar valor às decisões na empresa (TURBAN et al., 2009).

Um exemplo interessante de sucesso no uso da mineração de dados é o caso do Wallmart, que, através de seu Data Mining, estudou um fato que acontecia com certa freqüência: nas sextas-feiras, a venda de cervejas crescia na mesma proporção que a de fraldas. Analisando atentamente, através de estudos a partir da mineração de dados, percebeu-se que os pais, ao comprar fraldas, aproveitavam para abastecer sua geladeira com cerveja (TURBAN et al., 2009).

O termo OLAP (OnLine Analytical Processing – Processo analítico OnLine), que também faz parte do desenho 4, segundo Turban et al. (2009), se refere a uma variedade de atividades que normalmente são executadas por usuários finais em sistemas online, e seus produtos podem fornecer diversos recursos de modelagem, análise e visualização de conjuntos de dados, tanto para sistemas de gerenciamento de banco de dados (SGBDs), quanto para sistemas de Data Warehouse. Isso pode incluir atividades como geração e resposta a consultas, solicitação de relatórios, gráficos ad hoc, execução dos mesmos e construção de apresentações visuais, oferecendo também uma visão conceitual multidimensional dos dados.

Os sistemas OLAP ajudam os analistas e os gerentes a sintetizarem as informações sobre a empresa através de comparações, visões personalizadas, análises

estatísticas, previsões e simulações. São implementadas para ambientes multiusuários e arquitetura cliente/servidor e oferecem respostas rápidas e consistentes às consultas iterativas executadas pelos usuários, independentemente da complexidade da consulta, conforme esclarece Figueiredo (1998).

Para Forsman (1997), um sistema OLAP vai servir para aumentar a produtividade dos gerentes da organização inteira, e sua grande flexibilidade significa que os gerentes podem ser mais autossuficientes, já que essas ferramentas permitem à gerência modelar problemas que seriam impossíveis de se moldar usando sistemas menos flexíveis, com um tempo de resposta longo, ou incompatíveis com a estrutura analítica dos negócios.

Já Kimball (1998) define OLAP (Online Analytic Processing) como sendo um termo especificamente inventado para a descrição de uma tecnologia utilizada no apoio à tomada de decisões na forma dimensional por uma organização. Acrescenta que essas ferramentas são criadas com o objetivo de extração de dados de diversas fontes externas, o que permite várias visões e a geração de várias perspectivas sobre o negócio da organização, tendo vários níveis de detalhe.

Existem atualmente vários exemplos de ferramentas OLAP bem-sucedidas, usadas para análise de grande quantidade de dados, que, antes, demorariam semanas, para serem analisados e que, através do uso dessas ferramentas, podem ser resolvidos em poucos dias, com grande redução de custos, do trabalho manual na produção de relatórios, permitindo uma visão integrada das informações, o que acelera, na maioria das vezes, a geração de relatórios financeiros acurados (TURBAN et al., 2009).

Vistos no desenho 4 como ferramentas de resultado, os Dashboards são como formulários compostos de uma ou mais camadas, na forma de um painel, contendo instrumentos virtuais, em que se associam variáveis que podem ser monitoradas através de gráficos e que vão mostrar sua evolução no tempo, podendo ser classificados como executivos, operacionais ou de simulação. Essas ferramentas

podem ser consideradas o produto final de um sistema de inteligência do negócio, disponibilizadas na fase Business Activities Monitoring – Monitoramento de Atividades de Negócio – (BAM) (TURBAN et al., 2009).

Para Gitlow (2005), Dashboard é uma ferramenta que ajuda a focar os esforços dos colaboradores na organização, através de um sistema de indicadores-chave integrados que atingem todos os níveis da empresa, o que garante o alinhamento à missão da organização.

Eckerson (2006b) define Dashboard de desempenho como sendo uma aplicação construída em camadas usando um sistema de Business Intelligence e integração de dados, com o objetivo de fornecer às organizações uma ferramenta que possa mensurar, monitorar e gerenciar, com mais eficiência, o desempenho dos negócios e estratégias da organização.

Três tipos de Dashboards de desempenho podem ser encontrados com mais frequência, de acordo com Eckerson (2006b):

- Operacionais: Frequentemente usados por supervisores e funcionários da linha de frente para o monitoramento de dados operacionais ligeiramente resumidos e normalmente atualizados com frequência durante o dia.

- Táticos: São gerados normalmente a partir de processos e projetos departamentais, sendo usados por analistas e gerentes para acompanhamento de dados resumidos e/ou detalhados em acompanhamentos diários e/ou semanais.

- Estratégicos: Trabalham com objetivos estratégicos e são usados por gerentes e executivos para monitoramento de dados resumidos e/ou detalhados mensalmente e/ou trimestralmente.

Na FIG. 7, um exemplo de Dashboard de vendas de uma empresa, intitulado ―Desempenho de Vendas Corporativas‖. À esquerda do Dashboard, é exibido um

gráfico com o título de ―Vendas reais por Canais‖, de janeiro a dezembro, mostrando as quantidades de vendas em valor classificadas por OEM, Industriais, Internet e Consumidor. À direita, um gráfico ―pizza‖ mostra vendas em valor para tipos específicos de produtos (Vestuários, Óticos e Equipamentos), com o título de ―Vendas por Produto‖. Por último, na parte inferior do desenho, podem ser visualizadas as metas de vendas por canais em valor, mostrando as vendas projetadas, vendas reais e o percentual alcançado da meta estipulada sobre as vendas.

FIGURA 7 - Exemplo de Dashboard.

Fonte: Extraído de http://www.prophix.com/common/pdf/cpm-brochure.pdf.

Os DSS (Decision Support System) da FIG. 4 podem ser entendidos como Sistemas de Suporte à Decisão (SAD), ou mesmo sistemas baseados em conhecimento, e são compostos de um modelo genérico de tomada de decisão que analisa um

grande número de variáveis para que seja possível o posicionamento a uma determinada questão (TURBAN et al., 2009).

Os relatórios provenientes do BI, explicitados na FIG. 4, são, na maioria das vezes, construídos através do DW, a partir de ferramentas da tecnologia BI. Essa multidimensionalidade é apresentada quando se tem um conjunto de tabelas de duas dimensões ou mesmo uma tabela razoavelmente complexa. Isso serve para fornecer ao usuário uma ferramenta que possa simplificar a apresentação de informações, permitindo alterações, de modo rápido e fácil, na estrutura das tabelas, visando a torná-las mais adaptáveis às tarefas da organização e às suas necessidades de decisão (TURBAN et al., 2009).

Lisboa (2009) ainda destaca um benefício importante conseguido na elaboração de relatórios bidimensionais, que é a consolidação de dados que proporciona uma visão geral da empresa, conseguida pela alta direção, melhorando assim seus resultados, já que possui a informação certa, na hora certa.

O objetivo principal da multidimensionalidade seria a apresentação de um relatório para o gerente da forma como este gostaria de vê-lo, imprimindo nessas visualizações conceitos diferenciados, providenciados de forma rápida e com facilidades inerentes ao processo (TURBAN et al., 2009).

Três são os fatores considerados por Turban et al. (2009) importantes na multidimensionalidade, sendo: dimensões, medidas e tempo. No caso das dimensões, destacam-se como exemplos pertinentes produtos, equipes de vendas, segmentos de mercado, unidades de negócio, localizações geográficas, canais de distribuição, países e setores. Nas medidas, dinheiro, volume de vendas, número de funcionários, estoque e lucro previsto versus o lucro real. Já no tempo podem aparecer variáveis como diário, semanal, mensal, trimestral e anual nas customizações de relatórios.

No caso da construção da infraestrutura necessária aos relatórios multidimensionais, Turban et al. (2009) alertam para os custos gerados nestes projetos, que são bem significativos desde a construção do banco de dados até a manutenção e devem ser analisados em termos de seus benefícios reais.

O cubo de informações representa um dos formatos que podem ser construídos por uma ferramenta multidimensional, em que os dados aparecem juntamente com uma medida de interesse particular, podendo ser bidimensional, tridimensional ou mesmo possuir uma dimensão superior apenas. Cada dimensão desse cubo vai representar algum atributo no banco de dados e, respectivamente, as células no cubo de dados vão representar medidas de interesse para a organização, geralmente de cunho estratégico (TURBAN et al., 2009).

Conforme exemplificam Turban et al. (2009), a projeção de um cubo pode ocorrer quando, a partir de vários atributos relacionados, o usuário busca informações de análise que podem apresentar qualquer métrica, como, por exemplo, vendas, lucro, unidades e outros, com o intuito principal de fornecer respostas rápidas a perguntas que podem ser exibidas em formato amigável e de forma dinâmica para o usuário final. Na maioria das vezes, essas ferramentas multidimensionais trabalham em conjunto com outras ferramentas no banco de dados.

A FIG. 8 mostra um cubo com três dimensões principais, sendo, por sua vez, produto, região e tempo. Através da manipulação dessas dimensões, é possível a extração de relatórios dinâmicos e multidimensionais.

FIGURA 8 - Cubo de Dados de três Dimensões.

Fonte: Adaptado de NARDI, 2007 - http://msdn.microsoft.com/pt-br/library/cc518031.aspx.

As ferramentas e métodos para a visualização de dados, tanto os Dashboards quanto os relatórios multidimensionais, englobam um leque grande de técnicas, que vão desde uma capacidade de identificar de maneira rápida tendências importantes em dados corporativos e de mercado, até o fornecimento de vantagem competitiva. Usando ferramentas visuais, fica mais fácil para os gestores reconhecerem problemas e tendências que, na maioria das vezes, passam despercebidos durante anos, encobertos por relatórios complexos em formato texto (TURBAN et al., 2009).

Todo esse ambiente de visualização apresenta aos gestores a possibilidade de agregar valor a suas decisões, principalmente pela possibilidade de visualizarem informações com profundidade e qualidade, inclusive em tempo real, o que serve para influenciar, de forma vital, o desempenho da empresa (TURBAN et al., 2009).